Embed Size (px)
Citation preview
UTILIZAÇÃO DA SIMULAÇÃO
COMPUTACIONAL PARA
DETERMINAÇÃO DA CAPACIDADE DA
EXPEDIÇÃO DE UMA EMPRESA DO
SETOR DE ALIMENTOS
Gabriel Martins Rodrigues (UFRJ)
Raquel Gonçalves Coimbra Flexa (CEFET-RJ)
Soraya Cristina dos Santos Oliveira (FGV-RJ)
Vanessa Serra Costa de Carvalho (UERJ)
Patricia Gomes Ferreira da Costa (UERJ)
Nos últimos anos, o setor de expedição adquiriu importância
estratégica para as organizações, passando a ser visto não mais
apenas em termos de custos (foco interno), mas como o elo no canal de
distribuição (foco externo), atendendo de formma eficaz mercados
geograficamente dispersos e criando valor para os clientes. Em função
do aumento da importância desse setor, o conhecimento de sua
capacidade se faz necessário para planejamento mais adequado das
estratégias de venda e controle mais eficiente de custos. Todavia, em
função do incremento da complexidade do ambiente no qual o setor de
expedição está inserido, a descoberta da capacidade torna-se uma
tarefa não trivial. Neste trabalho, utilizamos a simulação
computacional para determinar a capacidade do setor de expedição de
uma empresa de grande porte do setor de alimentos, em função de
diferentes perfis de demanda, uma vez que este dado não era conhecido
pela mesma. Como desdobramento do objetivo principal, foi
pretendida ainda a descoberta da restrição da expedição, no caso, o
posto de trabalho com a menor capacidade produtiva. Este trabalho
utilizou como base dois modelos complementares. O primeiro,
denominado ciclo regulativo para resolução de problemas, é um
modelo genérico para a resolução de problemas de qualquer natureza
e foi proposto por Van Strien apud Van Aken et al. (2007). O segundo,
proposto por Law & Kelton (1991), é um modelo específico para
utilização da simulação computacional.
Palavras-chaves: Simulação, expedição, modelagem
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Maturidade e desafios da Engenharia de Produção: competitividade das empresas, condições de trabalho, meio ambiente.
São Carlos, SP, Brasil, 12 a15 de outubro de 2010.
2
1. Introdução
Nos dias atuais, nos deparamos continuamente com inúmeros desafios e transformações nas
organizações e no ambiente que as cerca. Exigências dos consumidores por prazos e custos
menores, competição acirrada entre empresas, pressões sindicais por melhores salários e
condições de trabalho, são alguns exemplos comuns deste fato. Na busca pela segurança de
uma posição competitiva no mercado em que atuam, é vital que as instituições se adaptem às
variações e dêem ao mesmo um tempo de resposta cada vez menor, por meio da proposição
de soluções mais inovadoras, completas e precisas para problemas cada vez mais complexos.
Diante deste cenário, Figueiredo (2009) afirma que o setor de armazenagem das organizações
também passou por inúmeras modificações, indo de uma visão de um setor gerador de custos
para a de um setor com alto potencial de geração de vantagem competitiva para a empresa. O
autor acrescenta ainda que a armazenagem possui dois principais papéis nas organizações:
operacional, com foco interno, isto é, um conjunto de processos relacionados à estocagem,
movimentação e processamento de produtos e informações; e estratégico, com foco externo,
isto é, a atuação como elo no canal de distribuição, atendendo de forma eficaz mercados
geograficamente dispersos e criando valor para os clientes.
O presente trabalho aborda um estudo de caso realizado em uma empresa de grande porte do
setor alimentício cujo mercado de atuação é bastante competitivo, pois há fortes concorrentes
que oferecem produtos consideravelmente semelhantes. O objetivo deste estudo foi
determinar a capacidade do setor de expedição - parte constituinte da área de armazenagem -
da empresa em questão, em função de diferentes perfis de demanda, uma vez que este dado
não era conhecido pela mesma, o que pode gerar uma série de implicações, tais como:
dificuldades para controle de custos e de estruturação das estratégias de venda. Como
desdobramento do objetivo principal, foi pretendida ainda a descoberta da restrição da
expedição, no caso, o posto de trabalho com a menor capacidade produtiva.
Neste caso, o problema se tornou crítico, pois a empresa estudada estava em fase de expansão
devido à previsão de aumento de demanda por seus produtos, o que reforçou a necessidade do
conhecimento da capacidade do setor de expedição, uma vez que este tem uma notável
ligação com os setores de Planejamento e Controle da Produção e o de Logística. Logo, a falta
de informações sobre a capacidade da expedição poderia gerar um problema de sincronização
entre o Planejamento e a Expedição, criando níveis de estoques indesejados ou, até mesmo,
falta de produtos no mercado, o que implicaria no nível de satisfação dos clientes.
2. A técnica de simulação computacional
Na literatura existem diversas definições para simulação. Uma definição clássica é dada por
Pegden, Shannon & Sadowski (1995 apud MUNDIM, 2009): simulação é o processo de
desenhar um modelo de um sistema real e conduzir experimentos com este modelo, com o
propósito de compreender o comportamento do sistema e/ou avaliar várias estratégias para
operação do sistema. Todavia, esta definição é muito abrangente, uma vez que não especifica
como os experimentos serão conduzidos. Com foco maior em simulação computacional,
Shannon (1975), define que um modelo computacional é um programa de computador cujas
variáveis apresentam o mesmo comportamento dinâmico e estocástico do sistema real que ele
representa.
A utilização da simulação como uma iniciativa de projeto deve ser feita baseada em um
método, que possibilite estruturar as atividades de modo a gerar os resultados desejados, a
3
partir de uma série de insumos necessários a esta análise. Os métodos de simulação
comumente citados são os de Law & Kelton (1991), apresentado nos trabalhos de Machado
(2006), Neto (2006) e Mundim (2009); Chwif & Medina (2006) mencionado em Mundim
(2009) e o método de Gogg & Mott (1992), presente em Machado (2006). De modo geral, os
métodos são bastante semelhantes ao descrever a sequência de atividades em um projeto de
simulação, se diferenciando somente em relação ao nível de agregação das atividades ou por
uma questão de nomenclatura das mesmas.
Por ser um dos mais citados na literatura e aplicados em simulação, o método de Law &
Kelton (1991) foi utilizado como base neste trabalho. Machado (2006), Neto (2006) e
Mundim (2009) citam os oito passos propostos por Law & Kelton (1991) ao utilizar a técnica
de simulação:
Formulação do problema e planejamento do estudo – definição do objetivo principal da
simulação e de quais pontos devem ser tratados, os cenários que serão testados e a equipe
necessária para conduzir o projeto;
Definição do modelo e coleta de dados – reprodução da lógica de funcionamento do
sistema através da modelagem: escolha dos postos de trabalho que estarão no modelo, do
número de trabalhadores por posto, de horas de trabalho por dia, do sequenciamento entre
as atividades, dentre outras escolhas, sendo fixadas determinadas premissas que tenham
como base as simplificações adotadas. Uma vez definido o modelo, é realizada a coleta de
dados em base de dados históricos e/ou por meio da coleta em campo. Estes devem
representar bem o comportamento do sistema real para que a formulação do modelo em si
seja bem embasada, visto que serão utilizados na fase posterior de validação para
especificar os procedimentos operacionais e as distribuições probabilísticas das variáveis
aleatórias consideradas no modelo (SAKURADA; MIYAKE, 2009);
Implementação computacional e verificação – reprodução do modelo através de algum
software de simulação. A verificação consiste na busca de erros de sintaxe no programa;
Execução de rodada piloto – funcionamento do programa por um período de tempo
suficiente para a verificação de possíveis erros;
Planejamento de experimentos – envolve a definição dos parâmetros necessários para a
execução da simulação. Para cada cenário devem ser tomadas decisões sobre período de
aquecimento - warm-up period (que é o tempo necessário que a simulação precisa “rodar”
antes que os resultados sejam coletados, permitindo que filas e outros aspectos do modelo
estejam em condições típicas do sistema modelado), a duração da simulação e o número de
replicações a ser realizado;
Execução de rodadas de produção – consiste na execução do programa de acordo com os
parâmetros especificados na etapa anterior;
Análise dos dados de saída - deve ser feita por meio da utilização de técnicas de estatística,
como utilização de média e construção de intervalos de confiança;
Documentação, apresentação e implementação – devem ser apresentados os resultados e
registrado o modelo em documento, a fim de que possa ser utilizado no futuro e,
principalmente, para a implementação do projeto.
Embora o modelo proposto por Law & Kelton (1991) seja um dos mais conhecidos acerca do
tema, não aborda com profundidade a etapa de definição do problema e as etapas posteriores à
rodada de execução. Todavia, esta questão é minimizada no modelo de Van Strien (1997 apud
VAN AKEN et. al., 2007), denominado ciclo regulativo para a resolução de problemas, um
modelo genérico que pode ser aplicado também a problemas de simulação. O ciclo possui
4
cinco etapas, a saber:
Definição do problema – o autor defende que a definição do problema não é dada, não é
algo pré-existente e que se dá a partir de um acordo entre os diversos stakeholders
envolvidos e o representante do projeto. Essa escolha não é definitiva, podendo ser
ajustada no decorrer no projeto. Além disso, o autor menciona que é importante
considerarmos os recursos disponíveis para resolução do problema no momento de defini-
lo, ou seja, a complexidade do problema depende do recorte feito no momento de sua
definição. Problemas muito “amplos” podem não ser resolvidos no tempo ou com o
orçamento disponível;
Análise e diagnóstico - a atividade de análise e diagnóstico é a parte analítica do projeto.
Consiste na escolha de um método de pesquisa – quantitativo e/ou qualitativo, de acordo
com a natureza do problema e os objetivos específicos do projeto. A técnica de simulação é
um exemplo de método quantitativo que pode ser utilizado;
Plano de ação - corresponde à proposição da solução para o problema em análise e do
respectivo plano de mudança;
Intervenção - corresponde à implantação das mudanças propostas no plano de ação;
Avaliação - é o momento de reflexão sobre o projeto como um todo – análise dos objetivos
alcançados com base na proposta inicial e do que ainda precisa ser feito para atingir o
potencial máximo do novo sistema – e também de aprendizado para futuros projetos.
As abordagens de Law & Kelton (1991) e Van Strien (1997 apud VAN AKEN et. al., 2007)
são complementares, uma vez que o processo de simulação proposto pelos primeiros pode ser
adaptado ao ciclo regulativo proposto pelo segundo autor, conforme figura 1, que serviu como
base metodológica para o trabalho.
5
Fonte: adaptado de Van Strien (1997 apud VAN AKEN, 2007)
Figura 1 - Ciclo regulativo adaptado para utilização da técnica de simulação
Convém ressaltar que a caixa “Caos de Problemas”, presente na figura, não representa uma
atividade, mas um estado no qual os problemas se encontram. De acordo com Van Aken et.
al. (2007), é difícil definir o problema a ser analisado, uma vez que este se encontra imerso
em um contexto de caos: diferentes problemas abrangendo não apenas questões técnicas, mas
também conflitos de interesse, valores, poder e influência, sendo assim dependentes do
julgamento de valor de vários stakeholders.
Na próxima seção serão detalhadas as atividades de Definição do Problema e Análise e
Diagnóstico, com base no estudo de caso realizado.
3. A simulação da expedição de uma empresa do setor de alimentos
A empresa estudada é uma indústria alimentícia, de grande porte, que atua no mercado
nacional há cerca de 35 anos. Embora seja conhecida, principalmente, pela comercialização
de produtos derivados do frango, seu portfólio de produtos é bastante diversificado, havendo
mais de trezentos tipos de itens, dentre os quais estão pescados, industrializados e importados,
o que aumenta a complexidade do setor de expedição - o foco do estudo.
As atividades deste setor são, basicamente, as seguintes: separação dos pedidos que serão
expedidos em cada doca; retiradas destes das câmaras de armazenamento, de acordo com a
família do produto - atividade denominada compra ou picking -; arrumação dos pedidos na
área de espera antes das balanças - atividade chamada de “passar pedido”; filmagem dos
pedidos, quando necessário; pesagem dos mesmos nas balanças; arrumação dos pedidos nos
6
caminhões e, por fim, a manobra dos caminhões nas docas. Algumas dessas atividades são
realizadas apenas em determinados tipos de balanças, como será explicitado no decorrer do
trabalho.
Na expedição existem 14 docas, agrupadas de acordo com peso dos pedidos e com o tipo de
caminhão. As balanças recebem nomes especiais relacionados ao tipo de doca, conforme
tabela 1.
Número
de docas
Nome da
balança
Peso dos
pedidos
Tipo de
caminhão
Particularidade da doca
4 Balança
Tipo A
Muito Alto Grande Utilização de empilhadeiras para colocação dos
pedidos no caminhão. Além disso, ocorre a operação
de filmagem dos pallets.
8 Balança
Tipo B
Médio /
Alto
Médio porte As balanças estão no mesmo nível da doca, sendo
necessário apenas empurrar o pedido para colocá-lo
no caminhão.
2 Balança
Tipo C
Baixo Pequeno
porte
Necessidade de esforço físico adicional pois as
balanças não estão no mesmo nível das docas, sendo
necessário levantar o pedido da balança para colocá-
lo no caminhão.
Fonte: os autores (2009)
Tabela 1 – Distribuição das docas na expedição
Em relação ao layout, existem quatro tipos de câmaras no setor: congelados, resfriados
mercado e embutido, cada uma com temperatura regulada de acordo com o tipo de produto
armazenado. A primeira, cuja temperatura está em torno de -20°C, é reservada ao
armazenamento de produtos congelados; na de resfriados, com temperatura em torno de -8°C,
ficam os produtos vendidos em bandejas plásticas; a de mercado, com temperatura em torno
de 0°C, é destinada aos produtos que não possuem embalagem plástica e que, nos
supermercados, são vendidos por peso; e, por fim, a câmara de embutidos - temperatura em
torno de 5°C – onde ficam produtos que não precisam de muita refrigeração, tais como:
linguiça, salsichão e almôndegas.
De modo geral, a organização dos produtos nas câmaras não segue nenhuma ordenação
lógica, em especial a dos congelados, o que dificulta a identificação e o acesso aos produtos
nas memas. Dentre as diversas causas, destacam-se a superlotação de algumas delas, o que
torna difícil o acesso dos operadores para a retirada dos produtos ou ainda o acesso de
empilhadeiras para o mesmo fim.
3.1 Definição do problema
O principal incômodo dos representantes da empresa era, em princípio, o elevado número de
horas extras pagas mensalmente aos funcionários. Após análise mais aprofundada da situação
e discussão entre os participantes do projeto, verificou-se que a causa primordial deste efeito
era o desconhecimento da real capacidade da expedição, podendo a técnica de simulação ser
uma alternativa para solucioná-lo.
3.2 Análise e diagnóstico
3.2.1 Definição do modelo e coleta de dados
O primeiro passo para o entendimento do modelo é a identificação das simplificações
realizadas ou premissas adotadas sobre o funcionamento do mesmo. Embora as balanças da
7
expedição tenham características distintas, o que certamente reflete no tempo de execução das
atividades, foi necessário o estabelecimento da premissa que todas as docas e balanças eram
iguais, isto é, não foram feitas distinções em relação às particularidades, a fim de simplificar a
atividade de coleta de dados.
As atividades da expedição também foram simplificadas no modelo, por intermédio do
agrupamento de algumas delas e eliminação das que poderiam ser definidas de forma
determinística, isto é, através do estabelecimento de um tempo padrão determinado, dado que
não há variação conforme outros fatores. A tabela 2 compara as atividades presentes na
expedição de acordo com o tipo de balança e as consideradas no modelo.
SISTEMA MODELO
BALANÇA TIPO A BALANÇAS TIPO B / C
Separar road show Separar road show Não contemplado no modelo
Distribuir road show pelas docas Distribuir road show pelas docas Não contemplado no modelo
Receber os road shows por doca Receber os road shows por doca Não contemplado no modelo
Destacar e distribuir
resumo do road show
Destacar e distribuir
resumo do road show
Não contemplado no modelo
Comprar produtos nas
câmaras frias
Comprar produtos nas
câmaras frias
Picking
Arrumar e filmar pedidos Passar pedidos Passar pedido
Pesar produtos Pesar produtos
Carregar caminhão Carregar caminhão Carregar caminhão
Manobrar caminhão Manobrar caminhão Manobrar caminhão
Fonte: os autores (2009)
Tabela 2 – Atividades consideradas no modelo
As atividades de picking, passar pedido, carregar e manobrar caminhão possuem unidades
distintas de contagem do tempo. A primeira é feita “por caminhão”, passar pedido e carregar
caminhão são feitas “por pedido” e manobrar caminhão é feita, novamente, “por caminhão”.
Na linguagem da simulação computacional, é dito que essas atividades possuem entidades
distintas, isto é, os elementos que circulam pelo modelo são diferentes, embora exista uma
correlação entre eles: podemos dizer que a entidade caminhão é um conjunto de pedidos e que
diversos pedidos agrupados sempre formam a entidade caminhão.
Todavia, não há um padrão para que se possa estabelecer uma relação numérica entre as
entidades caminhão e pedido, uma vez que a quantidade de pedidos em um caminhão é
definida pelo setor de distribuição, de acordo com a concentração geográfica dos clientes, não
havendo a definição de quantos pedidos entrarão em cada caminhão, o que fica a cargo de
quantos pedidos foram recebidos naquele dia, para uma certa região. Por isso, o modelo foi
dividido em três partes distintas: 1) Picking, 2) Passar pedido e carregar caminhão e 3)
Manobrar caminhão, de modo que cada parte fosse composta pelo mesmo tipo de entidade,
para que a modelagem computacional pudesse ser posteriormente desenvolvida.
A atividade de picking é realizada por família de produto, havendo, em média, um comprador
para cada família. Das cinco famílias existentes (congelados, embutidos, resfriados, mercado
e externo, sendo a família de externo correpondente aos produtos que não estão na câmara
fria), apenas as famílias mais representativas em termos de volume de produtos foram
consideradas: congelado, mercado e outros, sendo outros a combinação das famílias restantes.
Uma importante premissa utilizada para a simplificação do modelo é que as compras por
família ocorrem em paralelo, sendo necessários 3 operadores, um para cada família. Na
8
prática, no entanto, as atividades não ocorrem totalmente em paralelo, visto que o início de
cada uma acontece em momentos distintos, ainda que próximos. Em relação à entidade do
picking, caminhão, foram considerados os seguintes atributos: peso do caminhão, número de
pedidos por caminhão (quantidade total de produtos) e número de itens por caminhão
(quantidade de itens de um mesmo produto). A tabela 3 resume os dados utilizados para essa
modelagem, mostrando ainda a quantidade possível de valores assumidos por cada atributo.
Esses atributos foram escolhidos após análise de correlação do atributo com o tempo de
execução da atividade, tendo sido escolhidos os atributos de maior correlação numérica. Os
valores foram dados aos atributos por meio das técnicas de quartil (para o peso e número de
itens) e da mediana (para o número de produtos).
Atividade: Picking
Entidade: Caminhão # Valores
Variáveis Valores
Peso Baixo Médio Alto Muito Alto 4
No. De Itens Baixo Médio Alto Muito Alto 4
No de Produtos Baixo Alto 2
Total de perfis possíveis 32
Fonte: os autores (2009)
Tabela 3 – Perfis possíveis para a modelagem do picking
A coleta de dados constituiu-se na aferição dos tempos de realização da atividade de compra
para cada perfil de rota, tendo como marco inicial da cronometragem o recebimento, pelo
comprador, do road show com a lista de produtos a ser comprada e como marco final a
disponibilização pelo mesmo do último produto da rota na área de espera das balanças. A
coleta para o picking durou cerca de 15 dias, sendo, em média, 1 dia para cada uma das 14
balanças.
O segundo modelo é constituído das atividades de passar pedido e carregar caminhão e, para
cada uma delas, considerou-se um operador e os seguintes atributos para a entidade pedido:
número de famílias por pedido, número de itens por pedido e número de produtos por pedido.
A tabela 4 resume os dados utilizados para a modelagem das atividades de passar pedido e
carregar caminhão, mostrando ainda a quantidade possível de valores assumidos por cada
atributo.
Atividades: Passar pedido e carregar caminhão
Entidade: pedido # Valores
Variáveis Valores
No de famílias Baixo Médio Alto Muito Alto 4
No. De Itens Baixo Médio Alto Muito Alto 4
No. De produtos Baixo Médio Alto Muito Alto 4
Total de perfis possíveis 64
Fonte: os autores (2009)
Tabela 4 – Perfis possíveis para a modelagem das atividades
de passar pedido e carregar caminhão
Embora a quantidade de perfis possíveis seja de 64, o número de perfis coletados foi de 43.
9
Isso porque determinadas combinações, embora possíveis do ponto de vista da análise
combinatória, não faziam sentido em existir, como por exemplo, um perfil de pedido com
baixo número de itens, baixo número de produtos e quantidade de famílias muito alta. De
modo análogo à modelagem do picking, utilizamos a correlação numérica para a escolha das
variáveis de maior significância e o quartil para definição dos limites dos valores dos
atributos.
A coleta de dados para as atividades de passar pedido e carregar caminhão durou cerca de 20
dias. A coleta constituiu-se na medição dos tempos de realização da atividade de compra para
cada perfil de rota. Para a atividade de carregar pedido, o marco inicial da cronometragem foi
o posicionamento do suporte para a colocação do primeiro item do pedido na fila de
carregamento e o marco final foi a colocação do último item do pedido na fila de
carregamento. Para a atividade de carregar caminhão, o marco inicial da cronometragem foi
retirar o primeiro item do pedido da fila de carregamento para colocá-lo no caminhão e o
marco final foi colocar o último item do pedido no caminhão.
Para a atividade de manobrar caminhão, nenhum atributo foi considerado para classificá-la.
Embora os caminhões fossem de três tipos (pequeno, médio ou grande porte), para efeito de
simplificação, não consideramos a diferenciação no tempo de manobra segundo essas
categorias. O marco inicial para a cronometragem foi o evento “apagar luz da doca”, que
indica que o caminhão liberou a doca e o marco final foi o evento “aguardar próximo
caminhão da fila estacionar na doca”.
Os cenários da simulação são formados pelos dados da demanda – fornecidos pela empresa –
e pelos dados de capacidade – resultantes do tratamento das medições de duração das
atividades mencionadas anteriormente. São três os cenários escolhidos para simulação:
O cenário 1 tem como entrada a demanda do mês de julho de 2009 (baixa demanda) e
como capacidade as medições realizadas no mês de outubro de 2009.
O cenário 2 tem como entrada a demanda do mês de dezembro de 2009 (alta demanda) e
como capacidade as medições realizadas no mês de outubro de 2009 (considerado pela
empresa como mês típico).
O cenário 3 tem como entrada a demanda do mês de dezembro de 2009, sendo aumentado
em 10% o peso e a quantidade de todos os produtos e, como capacidade, o equivalente a
90% da eficiência das balanças de melhor desempenho com base nas medições realizadas
no mês de outubro.
Esse cenário foi escolhido pela empresa, com base em sua estratégia de mercado para os
próximos anos, que visa o aumento nas vendas (em peso e quantidade de produtos). Como
capacidade, escolheu-se 90% da capacidade das balanças de melhor desempenho (balanças de
tipo C), pois foi adotada a premissa de que as demais balanças tipo A e B não poderiam ter
desempenho 100% equivalente às balanças tipo C devido às características particulares dessas
últimas, como por exemplo, a expedição de produtos de menor peso e o porte menor dos
caminhões (tabela 1), o que tornaria o tempo de execução das atividades nas balanças tipo C
menor.
A tabela 5 mostra a variação dos atributos peso, produto e item de acordo com cada cenário.
Ao lado de cada atributo existe uma coluna com a variação percentual calculada com base no
cenário 1.
Atributo
10
Peso (kg) Produto (unidades) Item (unidades)
Cen
ário
1 10.015.953 - 189.041 - 1.475.470 -
2 13.592.040 36% 138.440 -27% 1.682.979 14%
3 14.951.244 49% 138.440 -27% 1.851.277 25%
Fonte: os autores (2009)
Tabela 5– Comparação entre os cenários
3.2.2 Implementação computacional e verificação
Para implementação computacional foi utilizado um software de simulação que possibilitou a
modelagem através de templates pré-definifos, o que tornou o processo de implementação
mais simples quando comparado à modelagens feitas apenas utilizando-se linguagem de
programação.
Antes da modelagem, foi realizado o tratamento estatístico dos dados. O conjunto de dados de
duração das operações de cada perfil foi colocado no software que, por sua vez, retornou as
possíveis distribuições, cada qual com seus parâmetros definidos. Em posse dessas
informações, realizou-se a escolha da distribuição que mais se adequasse ao perfil. Para
ajustes dos dados à curva utilizou-se o teste de Kolmogorov-Sminorv (K-S). Para perfis sem
dados suficientes para tratamento no software, utilizamos como premissa de que estes teriam
distribuição normal com desvio-padrão nulo.
Como parte da implementação computacional, destacam-se as seguintes atividades:
Modelagem do processo, isto é, a inserção das entidades que formam o modelo (centros de
atividade, recursos necessários, filas, entrada do modelo, indicadores desejados);
Configuração das entidades do modelo – para cada entidade inserida na modelagem, faz-se
necessária a configuração de parâmetros específicos, que variam com a entidade.
3.2.3 Execução de rodada piloto
Para a execução da rodada piloto, o relógio da simulação foi configurado de modo que os
modelos rodassem o equivalente a cinco dias de trabalho. Após término da rodada piloto, os
resultados foram comparados com os dados fornecidos pela empresa. Os principais
indicadores analisados nesta etapa foram: o total de horas necessárias para execução de cada
atividade, bem como do processo de expedição, e o total de pedidos expedidos. Como os
valores obtidos para os cinco dias foram compatíveis com os dados fornecidos pela empresa,
para os cenários de alta e baixa demanda, o modelo computacional foi considerado válido.
3.2.4 Planejamento de experimentos
A duração da simulação foi a de um turno de trabalho, podendo este ser estendido ou não em
função da necessidade de realização de horas extras. Esse valor foi estabelecido através da
calibração do relógio do simulador.
O número de replicações foi equivalente ao número de dias úteis dos meses correspondentes a
cada cenário: 28 dias para o cenário de alta demanda e 27 dias para o cenário de baixa
demanda.
O período de aquecimento, neste caso, não foi necessário porque ao termino de cada dia o
11
modelo retorna ao seu estado inicial, não havendo filas entre as atividades nem atividades em
execução.
3.2.5 Execução de rodadas de produção
A etapa de execução de rodadas de produção corresponde à execução da simulação para gerar
os dados necessários para etapa seguinte, ou seja, a simulação foi rodada através do software
com base no planejamento estruturado na etapa anterior. Atenção especial deve ser destinada
ao tempo necessário para a execução de rodadas de produção, visto que em função da
complexidade do modelo computacional criado, esta etapa pode levar horas para ser
concluída. Estima-se que para a simulação dos modelos em todos os cenários, esta etapa tenha
levado cerca de 5 dias, ainda que computadores diferentes tenham sido utilizados para a
simulação de cada modelo.
3.2.6 Análise dos resultados de saída
As tabelas 6 e 7 apresentam, respectivamente, os resultados finais da simulação para a
atividade de picking e para as demais atividades.
Indicadores
Relevantes PICKING
Cenário 1 Cenário 2 Cenário 3
Congelado Mercado Outros Congelado Mercado Outros Congelado Mercado Outros
Tempo médio
em minutos /
entidade
29,3 8,85 17,65 31,08 9,1 17,87 32,3 12,52 21,29
Horas
de operação/dia
3,91 1,28 2,24 4,54 1,41 2,57 4,7 1,96 3,03
Horas
extras/ dia
0 0 0 0 0 0 0 0 0
% de utilização
dos recursos 51,40% 16,84% 29,52% 59,80% 18,59% 33,88% 61,90% 25,73% 39,90%
# de entidades
completas/mês 3.314 3.314 3.314 3.660 3.660 3.660 3.603 3.603 3.603
Fonte: os autores (2009)
Tabela 6 – Resultado da simulação para a atividade de Picking
Indicadores
Relevantes
Cenário 1 Cenário 2 Cenário 3
Passar
Pedido
Arrumar
Caminhão
Manobrar
Caminhão
Passar
Pedido
Arrumar
Caminhão
Manobrar
Caminhão
Passar
Pedido
Arrumar
Caminhão
Manobrar
Caminhão
Tempo médio
em minutos /
entidade
6,01 4,5 7,83 6,28 4,7 7,84 4,09 3,5 7,84
12
Horas de
operação/dia
9,72 6,91 1,13 9,95 7,02 1,21 4,48 4,63 1,21
Horas
extras/ dia
1,72 0 0 1,95 0 0 0 0 0
% de
utilização
dos recursos
122% 70,96% 0,14% 124% 70,38% 0,16% 58,90% 60,87% 0,16%
# de entidades
completas/mês 51.547 51.547 3.314 53.777 53.777 3.660 54.607 54.607 3.603
Fonte: os autores (2009)
Tabela 7 – Resultado da simulação para as atividades
de passar pedido, arrumar caminhão e manobrar caminhão
Comparando-se os cenários de baixa e alta demanda, observa-se o aumento no tempo médio
em minutos para a execução das atividades, bem como o aumento do número de horas diárias
necessárias para a expedição de todos os produtos. Pode-se concluir que o picking da família
congelados é que demanda maior tempo para a execução dentre todas as famílias.
Comparando-se a taxa de utilização dos recursos, bem como a média de horas de
operação/dia, das operações de passar, carregar e picking, fica evidente que a restrição da
expedição é a operação de passar pedido, uma vez que os indicadores dessa atividade
apresentam valores mais elevados. Ainda que o picking e o carregamento tenham baixo nível
de utilização, estas atividades estão diretamente sincronizadas com a atividade de passar o
pedido. Desta forma, toda a equipe da balança precisa ter o turno de trabalho compatível com
o turno da atividade de passar o pedido.
Em média, o responsável pela atividade passar pedido faz 1,72 horas extras por dia no cenário
de baixa demanda e 1,95 no cenário de alta demanda. Na prática, esses valores são menores
uma vez que o funcionário responsável pela arrumação do caminhão, ocasionalmente, ajuda o
passador de pedidos.
Em relação ao cenário 3, as demandas são plenamente atendidas sem horas extras. Esse
resultado é explicado uma vez que a capacidade utilizada foi considerando-se 90% da
capacidade das balanças de melhor desempenho.
Comparando-se os cenários de baixa demanda e alta demanda, observamos que a capacidade
da expedição aumenta de 51.547 pedidos/mês para 53.777 pedidos/mês, correspondendo a um
aumento de cerca de 4% no número de pedidos. O perfil de pedidos também se altera com
aumento de 35% no peso dos pedidos, aumento de 14% no número de itens pedidos, redução
de 27% no número de produtos pedidos e aumento de 10% no número de carros. Nos dois
cenários, a restrição é a de passar pedido, que possui maior média de horas de operação por
dia e maior taxa de utilização dos recursos. Quanto maior o peso, a quantidade de itens e o
número de pedidos de um perfil, maior será o tempo necessário para execução das atividades.
Embora o perfil dos pedidos seja bastante diferente em relação aos cenários de baixa e alta
demanda, podemos observar que o número de horas extras pagas é muito próximo: 1,72 horas
extras/dia para baixa demanda e 1,95 horas extras/dia para alta demanda, equivalendo a cerca
de 10 minutos de diferença. Dado a diferença entre cenários, esperava-se uma discrepância
maior entre o número de horas extras, visto que o perfil de pedidos do cenário de alta
demanda demandaria maior tempo para execução das atividades.
4. Conclusões
13
A técnica de simulação computacional foi útil para determinação da capacidade da expedição
em função de diversos cenários de demanda, assim como para determinação da restrição da
expedição. Todavia, todos os resultados obtidos estão estritamente relacionados à
confiabilidade dos dados coletados e às premissas e simplificações realizadas durante a
modelagem.
Durante o projeto, nenhuma análise sobre a atividade dos operadores foi realizada com o
objetivo de determinar o tempo padrão para execução das atividades, o que nos impediu de
comparar os resultados obtidos com um resultado padrão. Além disso, certas premissas e
simplificações nos impediram de realizar o teste de determinadas hipóteses, como por
exemplo, se a restrição variaria de acordo com o tipo de balança ou ainda se o fato dos
operadores ajudarem uns aos outros, inclusive em postos de trabalho distintos, traria algum
impacto significativo para a questão das horas extras.
Com base na experiência adquirida ao longo do projeto, podemos propor para estudos futuros:
1) evitar simplificações que possam vir a comprometer o teste de algumas hipóteses e o
resultado da simulação; 2) buscar dados de entrada para o modelo mais realistas, o que pode
ser obtido através de uma maior amostragem e de um período de tempo de coleta mais
extenso, que possa contemplar a sazonalidade; 3) realizar um estudo de tempos e movimentos
a fim de identificar o tempo padrão de cada operação para que este sirva como base de
referência para identificação da capacidade do sistema; 4) Inclusão de indicadores financeiros
na simulação com objetivo de evidenciar os ganhos e perdas em cada cenário simulado. De
forma geral, os próximos passos propostos têm como objetivo tornar o modelo mais robusto e
os resultados ainda mais aderentes à realidade.
Referências
CHWIF, L.; MEDINA, A. C. Modelagem e simulação de eventos discretos: Teoria e Aplicações. 1. ed. São
Paulo: Bravarte, 2006.
FIGUEIREDO; Kleber. Gestão Estratégica da Armazenagem. Centro de Estudos em Logística,
COPPEAD/UFRJ. Disponível em:
<http://www.unr.edu/coba/logis/executive_education/Aula%20Kleber%20Armazenagem.pdf> Acessado em:
21/12/2009.
GOGG, T., MOTT, J. Improve Quality and Productivity with Simulation, JMI Consulting Group, 1992.
LAW, A.; KELTON, W. Simulation Modeling and Analysis, 2 ed. New York, McGraw-Hill, 1991.
MACHADO, Daniel Vital Chiarini. Aplicação da Simulação Computacional ao Planejamento Hierárquico da
Produção e Cadeia de Suprimento das Organizações. Dissertação de Mestrado, Engenharia de Produção,
COPPE, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2006.
MUNDIM, João Umbiruçu Campos. Uso de simulação de eventos discretos para o dimensionamento de frota
para colheita e transporte de cana-de-açúcar. Dissertação de Mestrado, Escola Politécnica da Universidade de
São Paulo, Departamento de Engenharia de Transportes, São Paulo, 2009.
NETO, Laherce Ribeiro Castro. Modelagem e simulação da cadeia produtiva do minério de ferro. Dissertação
de Mestrado, Escola Politécnica da universidade de São Paulo, Departamento de Engenharia de Transportes, São
Paulo, 2006.
PEDGEN, C., SHANNON, R. e SADOWSKI, R. Introduction to Simulation using SIMAN, 2 ed. McGraw-
Hill, New York, 1995.
PIDD, M. Modelagem Empresarial. Ferramentas para Tomada de Decisão, 1.ed. Porto Alegre, Bookman,
1996.
SAKURADA, Nelson and MIYAKE, Dario Ikuo. Aplicação de simuladores de eventos discretos no processo
14
de modelagem de sistemas de operações de serviços. Gest. Prod. [online]. vol.16, n.1, pp. 25-43, 2009.
SHANNON, R. E. Systems simulation: the art and science. New Jersey: Prendice-Hall, 1975.
VAN AKEN, Joan Ernst; BERENDS, Hans; DER BIJ, HANS VAN. Problem-solving in Organizations: A
Methodological Handbook for Business Students. United Kingdom, Cambridge University Press, 2007.
